Nemotron-Competitive-Programming-v1 ist ein von NVIDIA im Jahr 2025 veröffentlichtes, groß angelegtes synthetisches Programmier- und Reasoning-Datenset, das etwa 3,9 Millionen Stichproben mit einer Gesamtdatengröße von etwa 178 GB umfasst. Es enthält Wettbewerbsprogrammieraufgaben in Python und C++ sowie ein domänenübergreifendes InfiniByte-Unter-Set. Die zugehörige Forschungspublikation ist „OpenCodeReasoning: Advancing Data Distillation for Competitive Coding", die für überwachtes Feintuning (SFT) von Codevervollständigung und Codeüberprüfung gedacht ist und die kontinuierliche Verbesserung der Fähigkeiten von Open-Source-Modellen beim Schreiben und Überprüfen von Code durch die Community unterstützt.

Zusammensetzung des Datensets

• Competitive Coding (Python): Enthält etwa 1,82 Millionen Stichproben, die 34.799 einzigartige Wettbewerbsprogrammieraufgaben abdecken.
• Competitive Coding (C++): Enthält etwa 930.000 Stichproben, die ebenfalls auf den oben genannten Wettbewerbsprogrammieraufgaben basieren.
• InfiniByte: Enthält etwa 1,17 Millionen Stichproben. Dies ist ein domänenübergreifendes Unter-Set, das Konzepte aus wissenschaftlichen Bereichen wie Mathematik, Physik und Chemie in Wettbewerbsprogrammieraufgaben einfließen lässt, um völlig neue Programmieraufgaben zu generieren.